【Java 集合】LinkedBlockingQueue

LinkedBlockingQueue, 顾名思义: 基于链表的阻塞队列, 位于 JUC (java.util.concurrent) 下, 是一个线程安全的集合, 其本身具备了

  1. 不支持 null 元素: 存入 null 元素会抛出异常
  2. 固定不限容量: 在不手动设置容量时, 最大可以支持 Integer.MAX_VALUE 个元素, 也就是理论上的无限个数
  3. 有序性: 内部采用链表作为底层数据结构，保持了元素的有序性。这意味着当你向队列中添加元素时，它们将按照添加的顺序排列，而消费者线程将按照相同的顺序取出这些元素
  4. LinkedBlockingQueue 会在队列满时, 阻塞添加数据的线程直至队列非满状态, 同样, 在队列空时, 阻塞获取数据的线程直至队列重新非空
  5. 支持锁公平性配置: 在初始化时可以指定是否使用公平锁, 默认为非公平锁。公平锁通常会降低吞吐量, 但是减少了可变性和避免了线程饥饿问题

1 实现的数据结构

内部的实现结构就是一个链表, 而且是所有链表中最简单的单向链表, 所以就不展开了。

2 源码分析

2.1 LinkedBlockingQueue 链表节点的定义

我们知道 LinkedBlockingQueue 的底层实现结构就是一个链表, 而链表绕不开的一个概念就是节点, 所以我们先来看一下 LinkedBlockingQueue 的节点定义。

public class LinkedBlockingQueue<E> {

    // 链表节点类, 数据的主要存储地方
    static class Node<E> {
        // 节点的数据
        E item;
        // 下一个节点
        Node<E> next;

        Node(E x) { 
            item = x; 
        }
    }
}

通过节点 Node 的定义中就一个数据域和一个指向下一个节点的指针, 明确 LinkedBlockingQueue 就是一个单向链表。

2.2 LinkedBlockingQueue 持有的属性

public class LinkedBlockingQueue<E> {

    /** 队列的大小，默认为 Integer.MAX_VALUE */
    private final int capacity;

    /** 队列中的元素个数 */
    private final AtomicInteger count = new AtomicInteger();

    /** 队列头结点 */
    transient Node<E> head;

    /** 队列尾节点 */
    private transient Node<E> last;

    /** 可重入锁, 用于从队列中获取元素时使用, 后面我们统一叫做读锁 */
    private final ReentrantLock takeLock = new ReentrantLock();

    /** 非空条件对象，当队列没有数据时, 用于挂起获取数据的线程 */
    private final Condition notEmpty = takeLock.newCondition();

    /** 可重入锁, 用于先队列添加元素时使用, 后面我们统一叫做写锁 */
    private final ReentrantLock putLock = new ReentrantLock();

    /** 非满条件对象，当队列数据已满时, 用于挂起添加数据的线程 */
    private final Condition notFull = putLock.newCondition();
}

和 ArrayBlockingQueue 类似, 都是通过可重入锁控制并发, 通过 Condition 来实现线程的挂起和唤醒。
和 ArrayBlockingQueue 不同的时, 添加和删除数据, ArrayBlockingQueue 使用的是同一把锁, 而 LinkedBlockingQueue 将添加数据和删除数据分开, 使用了两把锁, 这样可以提高并发度。

2.3 LinkedBlockingQueue 构造函数

public class LinkedBlockingQueue<E> {

    // 无参构造函数
    public LinkedBlockingQueue() {
        // 默认大小为 Integer.MAX_VALUE
        this(Integer.MAX_VALUE);
    }
    
    // 指定容量的构造函数
    public LinkedBlockingQueue(int capacity) {
        if (capacity <= 0)
            throw new IllegalArgumentException();
        this.capacity = capacity;
        // 初始化头尾节点
        last = head = new Node<E>(null);
    }

    // 指定集合的构造函数
    public LinkedBlockingQueue(Collection<? extends E> c) {

        // 同样默认为 Integer.MAX_VALUE 的容量
        this(Integer.MAX_VALUE);

        final ReentrantLock putLock = this.putLock;
        // 获取添加数据锁
        putLock.lock();
        try {
            int n = 0;
            for (E e : c) {
                // 非空校验
                if (e == null)
                    throw new NullPointerException();
                // 达到容量了
                if (n == capacity)
                    throw new IllegalStateException("Queue full");
                // 将当前的数据封装为 Node 节点, 添加到队列中
                // 先知道这个方法的作用, 后面新增数据的时候有分析    
                enqueue(new Node<E>(e));
                // 添加个数 + 1
                ++n;
            }
            // 当前链表的个数设置为添加的个数
            count.set(n);
        } finally {
            putLock.unlock();
        }
    }
}

从 LinkedBlockingQueue 的 3 个构造函数中可以看出, 都需要通过指定容量构造函数先构建出一个只有 1 个节点, 同时节点数据为空的链表, 如下:

Alt 'LinkedBlockingQueue 初始状态'

在构建为这个空链表后, 实际我们的 LinkedBlockingQueue 算是初始化完成了。
而指定集合的构造函数, 会在初始化完成, 加上写锁后, 将入参的集合元素添加到当前的队列中。

同 ArrayBlockingQueue 一样, 在构造函数中使用了 ReentrantLock 来加锁, 通过这个锁达到 Happens-Before 的监视器原则, 达到后面可见性。

2.4 LinkedBlockingQueue 支持的方法

2.4.1 数据入队方法

LinkedBlockingQueue 提供了多种入队操作的实现来满足不同情况下的需求，入队操作有如下几种：

  1. boolean add(E e)
  2. boolean offer(E e)
  3. boolean offer(E e, long timeout, TimeUnit unit)
  4. void put(E e)

add(E e)

public class LinkedBlockingQueue<E> {
    
    public boolean add(E e) {
        // 直接调用自身的 offer 方法, 添加成功就返回 true
        // offer 方法后面分析
        if (offer(e))
            return true;
        else
            throw new IllegalStateException("Queue full");
    }
}

offer(E e)

顺着 add 方法, 看一下 offer 方法:

public class LinkedBlockingQueue<E> {

    public boolean offer(E e) {
        // 新增的数据为空, 直接抛异常
        if (e == null)
            throw new NullPointerException();

        final AtomicInteger count = this.count;
        // 达到了容量上限, 直接返回
        if (count.get() == capacity)
            return false;

        int c = -1;
        // 将当前的数据封装为 Node 节点
        Node<E> node = new Node<E>(e);
        final ReentrantLock putLock = this.putLock;

        // 获取添加锁
        putLock.lock();
        
        try {
            // 当前队列的容量还没达到上线
            if (count.get() < capacity) {

                // 将当前这个节点添加到队列的尾部
                enqueue(node);

                // 获取当前的数组容量
                c = count.getAndIncrement();

                // 当前的数组容量 + 1 后还是小于容量上限
                if (c + 1 < capacity)
                    // 唤醒阻塞在非满条件上的线程
                    notFull.signal();
            }
        } finally {
            putLock.unlock();
        }

        // 上面 c = count.getAndIncrement(), 会先将 count 当前的值赋给 c, 然后在 count 再 + 1
        // 所以这里 c == 0, 表示当前链表新增了一个节点前，没有数据, 尝试唤醒阻塞在非空条件上的线程
        if (c == 0)
            signalNotEmpty();
        return c >= 0;
        
    }

    private void enqueue(Node<E> node) {
        // 简单的链表新增节点操作
        // 把当前链表的尾结点的下一个节点设置为新增的节点
        // 把当前的尾节点更新为新增的节点
        last = last.next = node;
    }
    
    private void signalNotEmpty() {
        
        final ReentrantLock takeLock = this.takeLock;
        // 获取读锁
        takeLock.lock();
        try {
            // 唤醒在非空条件上阻塞的线程 (唤醒前需要获取对应的锁, 所以上面先获取了读锁)
            notEmpty.signal();
        } finally {
            // 释放读锁
            takeLock.unlock();
        }
    }
}

offer 方法概括一下就是:

  1. 非空和队列容量判断
  2. 获取写锁成功时, 将当前的元素封装为节点放到链表的尾部
  3. 添加成功后, 队列的容量没有达到上限, 唤醒在非满条件上阻塞的线程, 然后释放锁
  4. 如果当前添加的元素是当前链表的第一个元素, 唤醒在非空条件上阻塞的线程

offer(E e, long timeout, TimeUnit unit)

offer(E e, long timeout, TimeUnit unit) 方法只是在 offer(E e) 的基础上增加了超时时间的概念。在队列上阻塞了多少时间后, 队列还是满的, 就返回。

public class LinkedBlockingQueue<E> {
    
    public boolean offer(E e, long timeout, TimeUnit unit) throws InterruptedException {

        if (e == null)
            throw new NullPointerException();

        // 时间转为纳秒
        long nanos = unit.toNanos(timeout);
        int c = -1;
        final ReentrantLock putLock = this.putLock;
        final AtomicInteger count = this.count;
        
        // 获取可中断的写锁
        putLock.lockInterruptibly();
        try {

            // while 循环的目的是防止在中断后没有到达传入的 timeout 时间, 可以继续重试
            // 等待超时时间达到了 nanos，就直接返回 false
            while (count.get() == capacity) {
                if (nanos <= 0)
                    return false;
                // 将当前线程阻塞在非空条件上     
                nanos = notFull.awaitNanos(nanos);
            }
            
            // 把当前的节点放到队列的尾部
            enqueue(new Node<E>(e));
            
            // 获取当前的数组容量
            c = count.getAndIncrement();

            // 当前的数组容量 + 1 后还是小于容量上限
            if (c + 1 < capacity)
                // 唤醒阻塞在非空条件上的线程
                notFull.signal();
        } finally {
            putLock.unlock();
        }

        // 上面 c = count.getAndIncrement(), 会先将 count 当前的值赋给 c, 然后在 count 再 + 1
        // 所以这里 c == 0, 表示当前链表新增了一个节点前，没有数据, 尝试唤醒阻塞在非空条件上的线程
        if (c == 0)
            signalNotEmpty();
        return true;
    }
}

可以看到主要的逻辑和 offer(E e) 方法一样, 只是在队列满时, 使用的是带超时时间的阻塞方法。
该方法会在等待时间到达后, 会自动唤醒, 同时线程时间到达后被唤醒, 队列还是满的, 就返回 false。

put(E e)

public class LinkedBlockingQueue<E> {
    
    public void put(E e) throws InterruptedException {
        
        // 非空校验
        if (e == null)
            throw new NullPointerException();
        
        int c = -1;
        Node<E> node = new Node<E>(e);

        // 获取添加需要的 putLock, 也就是写锁
        final ReentrantLock putLock = this.putLock;

        final AtomicInteger count = this.count;

        // 获取锁中断
        putLock.lockInterruptibly();

        try {
            // 判断队列是否已满，如果已满阻塞等待
            // 如果每次唤醒都是满的话，就会一直阻塞
            while (count.get() == capacity) {
                notFull.await();
            }

            // 把node放入队列中
            enqueue(node);
            // 链表中的元素个数 + 1
            c = count.getAndIncrement();

            // 再次判断队列是否有可用空间，如果有唤醒下一个线程进行添加操作
            if (c + 1 < capacity)
                notFull.signal();
        }  finally {
            putLock.unlock();
        }

        // 上面 c = count.getAndIncrement(), 会先将 count 当前的值赋给 c, 然后在 count 再 + 1
        // 所以这里 c == 0, 表示当前链表新增了一个节点前，没有数据, 尝试唤醒阻塞在非空条件上的线程
        if (c == 0)
            signalNotEmpty();
    }
    
}

put 方法和 offer 方法类似, 前者在当队列已满时, 进入阻塞, 后者在队列已满时, 则是返回。

2.3.2 数据出队方法

同入队的方法一样, 出队也有多种实现, LinkedBlockingQueue 提供了好几种出队的方法, 大体如下:

  1. E poll();
  2. E poll(long timeout, TimeUnit unit);
  3. E take()

poll()

public class LinkedBlockingQueue<E> {

    public E poll() {
        
        final AtomicInteger count = this.count;
        // 当前的数组为节点个数为空, 直接返回 null
        if (count.get() == 0)
            return null;

        E x = null;
        int c = -1;

        final ReentrantLock takeLock = this.takeLock;
        // 获取读锁
        takeLock.lock();
        try {
            // 当前的数组容量大于 0, 有数据可以获取
            if (count.get() > 0) {
                // 获取头节点的数据
                x = dequeue();
                // 当前数组的节点个数 - 1
                c = count.getAndDecrement();
                // 当前数组的节点个数还是大于 1
                if (c > 1)
                    // 唤醒阻塞在非空条件上的线程
                    notEmpty.signal();
            }
        } finally {
            // 释放读锁
            takeLock.unlock();
        }
        
        // 当前的容量等于上限了
        if (c == capacity)
            // 唤醒阻塞在非满条件上阻塞的线程
            signalNotFull();
        return x;
    }
    
    private E dequeue() {
        // 简单的链表删除操作
        Node<E> h = head;
        // 获取当前头节点的下一个节点
        Node<E> first = h.next;
        // 将头节点下一个节点设置为自身, 这里的操作后面分析
        h.next = h;

        // 将当前的头节点设置为头节点的下一个节点
        head = first;

        // 获取旧的头结点的数据
        E x = first.item;
        // 设置旧的节点的数据为 null
        first.item = null;
        // 返回旧的节点的数据
        return x;
    }

    private void signalNotFull() {
        final ReentrantLock putLock = this.putLock;
        // 获取写锁
        putLock.lock();
        try {
            // 唤醒阻塞在非满条件上的线程
            notFull.signal();
        } finally {
            putLock.unlock();
        }
    }
}

poll() 逻辑整理如下

  1. 队列为空, 直接返回 null
  2. 获取读锁, 队列不为空, 获取头节点的数据
  3. 获取后队列还是有数据, 唤醒阻塞在非空条件上的线程, 释放锁
  4. 如果当前的容量等于上限了, 再次唤醒阻塞在非满条件上阻塞的线程
public class LinkedBlockingQueue<E> {
    
    public E poll(long timeout, TimeUnit unit) throws InterruptedException {
        E x = null;
        int c = -1;
        long nanos = unit.toNanos(timeout);
        final AtomicInteger count = this.count;
        final ReentrantLock takeLock = this.takeLock;
        takeLock.lockInterruptibly();
        try {
            // 当前的数组容量为 0, 队列为空, 将当前线程阻塞在非空条件上
            while (count.get() == 0) {
                if (nanos <= 0)
                    return null;
                // 带超时时间的等待
                nanos = notEmpty.awaitNanos(nanos);
            }
            // 队列不为空, 获取头节点的数据
            x = dequeue();
            // 当前数组的节点个数 - 1
            c = count.getAndDecrement();
            // 当前数组的节点个数还是大于 1
            if (c > 1)
                // 唤醒阻塞在非空条件上的线程
                notEmpty.signal();
        } finally {
            takeLock.unlock();
        }
        // 当前的容量等于上限了
        if (c == capacity)
            // 唤醒阻塞在非满条件上阻塞的线程
            signalNotFull();
        return x;
    }
}

整个 poll(long timeout, TimeUnit unit) 方法和 poll() 方法类似, 只是在队列为空时, 使用的是带超时时间的阻塞方法。

take()

public class LinkedBlockingQueue<E> {

    public E take() throws InterruptedException {

        E x;
        int c = -1;
        final AtomicInteger count = this.count;
        final ReentrantLock takeLock = this.takeLock;

        // 获取可中断的锁
        takeLock.lockInterruptibly();

        try {
            // 队列为空，阻塞等待
            while (count.get() == 0) {
                notEmpty.await();
            }

            // 获取头节点的数据
            x = dequeue();

            // 获取当前的数组容量
            c = count.getAndDecrement();

            // 队列中还有元素，唤醒下一个消费线程进行消费
            if (c > 1)
                notEmpty.signal();

        } finally {
            takeLock.unlock();
        }

        // 移除元素之前队列是满的，唤醒生产线程进行添加元素
        if (c == capacity)
            signalNotFull();

        return x;
    }
}

take() 方法和 poll() 方法类似, 当队列为空时, 进入阻塞, 一直等待, 直到被唤醒, 唤醒后调用 dequeue() 方法获取队列中的元素, 而 poll() 方法则是在队列为空时, 直接返回 null。

2.3.3 获取元素方法

获取数据的就一个方法, 同时只支持获取头节点的数据。

public class LinkedBlockingQueue<E> {

    public E peek() {
        // 当前数组上的节点为 0， 直接返回
        if (count.get() == 0)
            return null;
        
        final ReentrantLock takeLock = this.takeLock;
        // 获取读锁
        takeLock.lock();
        try {
            // 获取头节点的下一个节点 (有数据的头节点)
            Node<E> first = head.next;
            // 头节点的下一个节点为 null
            if (first == null)
                // 返回 null
                return null;
            else
                // 返回头节点的数据
                return first.item;
        } finally {
            takeLock.unlock();
        }
    }
}

很简单, 就是获取头节点的下一个节点的数据, 有数据返回数据, 没有数据, 就返回 null。

2.3.4 删除元素方法

public class LinkedBlockingQueue<E> {
    
    
    public boolean remove(Object o) {

        if (o == null) return false;
        // 两个 lock 全部上锁
        fullyLock();

        try {
            // 从 head 开始遍历元素，直到最后一个元素
            for (Node<E> trail = head, p = trail.next; p != null; trail = p, p = p.next) {
                // 如果找到相等的元素，调用 unlink 方法删除元素
                if (o.equals(p.item)) {
                    unlink(p, trail);
                    return true;
                }
            }
            return false;
        } finally {
            // 两个lock全部解锁
            fullyUnlock();
        }
    }

    void fullyLock() {
        putLock.lock();
        takeLock.lock();
    }

    void unlink(Node<E> p, Node<E> pred) {
        
        // 简单的链表节点删除操作
        
        // 将这个节点的数据项设置为 null
        // 同样是删除元素, 什么这里这里删除的元素 p 不需要想 dequeue 方法一样, 将他的 next 设置为 自身?
        p.item = null;
        // 将这个节点的上一个节点的 next 设置为删除节点 p 的下一个节点
        pred.next = p.next;
        // 删除的节点为尾结点
        if (last == p)
            // 设置尾节点为删除节点的上一个节点
            last = pred;
        // 当前数组的容量减 1 后还是等于数组上限  
        if (count.getAndDecrement() == capacity)
            // 唤醒 notFull 上等待队列的线程
            notFull.signal();
    }

    void fullyUnlock() {
        takeLock.unlock();
        putLock.unlock();
    }
}

3 问题

在上面的源码的分析中, 留了 2 个比较特殊的地方

  1. dequeue 方法中里的移除的元素 h, 为什么需要将 h.next 指向自身, 而不是 null
  2. 同样删除元素的 unlink 方法却不需要将 p.next = null 或者 p.next = p 这样的操作

这里都可以在 LinkedBlockingQueue 内部的迭代器中找到答案


private class Itr implements Iterator<E> {

    // 遍历的链表头节点
    private Node<E> current;
    // 遍历的链表头节点的数据
    private E currentElement;

    // 构造函数
    Itr() {
        // 加双锁
        fullyLock();
        try {
            current = head.next;
            if (current != null)
                currentElement = current.item;
        } finally {
            fullyUnlock();
        }
    }

    // 获取入参节点的下一个节点
    private Node<E> nextNode(Node<E> p) {
        for (;;) {
            // 解决了问题 1
            Node<E> s = p.next;
            if (s == p)
                return head.next;
            if (s == null || s.item != null)
                return s;
            p = s;
        }
    }
}

问题 1 在 nextNode 方法中也能找到

  1. 为了正确遍历，nextNode 中通过 s == p 进行判断，当下一个元素是自己本身时，返回 head 的下一个节点。

而第二个问题主要在迭代器的遍历中, 迭代器的遍历分为两步

  1. 加双锁, 然后链表的头节点放到一个临时变量中
  2. 遍历临时变量的元素。在遍历的过程是无锁的, 也就是其他线程可以执行 remove 方法, 如果其他线程通过 unlink 修改了 p 的 next，可能在导致迭代异常

4 总结

它是 BlockingQueue 接口的一种实现，通过链表的形式存储元素，在不明确指定容量时, 可以存储 Integer.MAX_VALUE 个元素, 也就是理论上的无上限, 但是建议在使用中还是指定容量, 避免 OOM 等问题。
同时借助 2 个 ReentrantLock 达到读写互不影响, 提高并发性能。同时 ReentrantLock 的 Condition 提供了阻塞操作，使得在队列已满或为空时，线程能够安全地等待。

5 参考

【细谈Java并发】谈谈LinkedBlockingQueue

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/258054.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

MapReduce 基础实战

MapReduce 基础实战

文章目录 第1关&#xff1a;成绩统计第2关&#xff1a;文件内容合并去重 第1关&#xff1a;成绩统计 编程要求 使用MapReduce计算班级每个学生的最好成绩&#xff0c;输入文件路径为/user/test/input&#xff0c;请将计算后的结果输出到/user/test/output/目录下。 测试说明 …
阅读更多...
去掉乘法运算的加法移位神经网络架构

去掉乘法运算的加法移位神经网络架构

[CVPR 2020] AdderNet: Do We Really Need Multiplications in Deep Learning? 代码&#xff1a;https://github.com/huawei-noah/AdderNet/tree/master 核心贡献 用filter与input feature之间的L1-范数距离作为“卷积层”的输出为了提升模型性能&#xff0c;提出全精度梯度…
阅读更多...
Python之math模块常用方法汇总

Python之math模块常用方法汇总

python中math模块常用的方法整理 ceil:取大于等于x的最小的整数值&#xff0c;如果x是一个整数&#xff0c;则返回x copysign:把y的正负号加到x前面&#xff0c;可以使用0 cos:求x的余弦&#xff0c;x必须是弧度 degrees:把x从弧度转换成角度 e:表示一个常量 exp:返回mat…
阅读更多...
docker制作php5.4运行环境镜像

docker制作php5.4运行环境镜像

1.下载镜像 docker pull centos:7或者在控制面板下 2.运行centos7镜像的容器&#xff0c;edncenos7 是新生成的容器名称 ## --name 新名字 docker run -it --name edncenos7 c9a1fdca3387 /bin/bash3.在容器内下载php5.4等插件&#xff0c;以便提交成为新镜像 wget --no-ch…
阅读更多...
亚信安慧AntDB数据库——助力5G计费核心替换，全面自主可控

亚信安慧AntDB数据库——助力5G计费核心替换，全面自主可控

数字经济时代&#xff0c;5G以更快、更丰富、更智能的连接方式服务于各行各业。AntDB数据库&#xff0c;源于亚信科技&#xff0c;自2008年起成功落地全国24个省份的中国移动、中国电信、中国联通和中国广电等运营商项目&#xff0c;为数字化服务和信息化基础建设提供支持。 在…
阅读更多...
linux下查看所有tcp端口情况

linux下查看所有tcp端口情况

netstat -ntlp
阅读更多...
精选猫咪最爱：五款性价比超高的猫罐头品牌大PK！

精选猫咪最爱：五款性价比超高的猫罐头品牌大PK！

新手养猫很容易陷入疯狂购买的模式&#xff0c;但有些品牌真的不能乱买&#xff01;现在的大环境不太好&#xff0c;我们需要学会控制自己的消费欲望&#xff0c;把钱花在刀刃上&#xff01;现在宠物市场真的很内卷&#xff0c;很多品牌都在比拼产品的数据和营养成分。很多铲屎…
阅读更多...
大数据讲课笔记5.1 初探MapReduce

大数据讲课笔记5.1 初探MapReduce

文章目录 零、学习目标一、导入新课二、新课讲解&#xff08;一&#xff09;MapReduce核心思想&#xff08;二&#xff09;MapReduce编程模型&#xff08;三&#xff09;MapReduce编程实例——词频统计思路1、Map阶段&#xff08;映射阶段&#xff09;2、Reduce阶段&#xff08…
阅读更多...
STM32启动流程详解（超全，startup_stm32xx.s分析）

STM32启动流程详解（超全，startup_stm32xx.s分析）

单片机上电后执行的第一段代码 1.初始化堆栈指针 SP_initial_sp 2.初始化 PC 指针Reset_Handler 3.初始化中断向量表 4.配置系统时钟 5.调用 C 库函数_main 初始化用户堆栈&#xff0c;然后进入 main 函数。 在正式讲解之前&#xff0c;我们需要了解STM32的启动模式。 STM32的…
阅读更多...
透视数据：数据可视化工具的多重场景应用

透视数据：数据可视化工具的多重场景应用

数据可视化工具已经成为了许多领域中的重要利器&#xff0c;它们在各种场景下发挥着重要作用。下面我就以可视化从业者的角度简单谈谈数据可视化工具在不同场景下的应用&#xff1a; 企业数据分析与决策支持 在企业层面&#xff0c;数据可视化工具被广泛应用于数据分析和决策…
阅读更多...
27jd网卡丢失IP地址问题追踪

27jd网卡丢失IP地址问题追踪

一、问题描述及复现步骤 问题描述 启用network服务&#xff0c;关闭NetworkManager服务后&#xff0c;&#xff08;通过 ip a 查看&#xff09; em1网卡丢失IP地址 网络相关组件信息 glib-networking-2.58.0-7.ky10.x86_64 network-scripts-10.01-6.ky10.x86_64 dracut-…
阅读更多...
MapReduce综合应用案例 — 电信数据清洗

MapReduce综合应用案例 — 电信数据清洗

文章目录 第1关&#xff1a;数据清洗 第1关&#xff1a;数据清洗 测试说明 平台会对你编写的代码进行测试&#xff1a; 评测之前先在命令行启动hadoop&#xff1a;start-all.sh&#xff1b; 点击测评后MySQL所需的数据库和表会自动创建好。 PhoneLog&#xff1a;封装对象 L…
阅读更多...
Android定制ROM简介

Android定制ROM简介

Android定制ROM简介 这篇文章是为对自定义ROM、AOSP等词汇不太熟悉的技术爱好者和好奇的人写的。我希望通过向您介绍这个世界来开始博客写作。 在我们将注意力转向定制ROM之前&#xff0c;让我们先了解一些基础知识。 什么是操作系统&#xff1f; 维基百科对此的定义简洁而…
阅读更多...
探讨二维半导体的概念、应用前景及其与传统半导体的差异

探讨二维半导体的概念、应用前景及其与传统半导体的差异

当探讨二维半导体时&#xff0c;我们置身于科技革新的前沿。这种材料以其纳米级薄度和独特电学性质区别于传统半导体&#xff0c;引发了科学界的广泛兴趣。本文将深入探讨二维半导体的概念、应用前景及其与传统半导体的差异。 什么是二维半导体&#xff1f; 二维半导体是由单…
阅读更多...
计算机网络 网络层下 | IPv6 路由选择协议，P多播，虚拟专用网络VPN，MPLS多协议标签

计算机网络 网络层下 | IPv6 路由选择协议，P多播，虚拟专用网络VPN，MPLS多协议标签

文章目录 5 IPv65.1 组成5.2 IPv6地址5.3 从IPv4向IPv6过渡5.3.1 双协议栈5.3.2 隧道技术 6 因特网的路由选择协议6.1 内部网关协议RIP6.2 内部网关协议 OSPF基本特点 6.3 外部网关协议 BGP6.3.1 路由选择 6.4 路由器组成6.4.1 基本了解6.4.2 结构 7 IP多播7.1 硬件多播7.2 IP多…
阅读更多...
0062-Java运算符

0062-Java运算符

文章目录 1.运算符介绍2.算术运算符2.1 介绍2.2 细节说明 3.关系运算符(比较运算符)3.1 介绍3.2 细节说明 4.逻辑运算符4.1 介绍4.2 逻辑运算规则4.3 && 和 & 基本规则4.4 && 和 & 使用区别4.5 || 和 | 基本规则4.6 || 和 | 使用区别 5. ! 取反 基本规…
阅读更多...
Logback简介与配置详解

Logback简介与配置详解

在开发和维护Spring Boot应用程序时&#xff0c;一个强大而灵活的日志框架是至关重要的。Spring Boot默认集成了Logback&#xff0c;一个高性能的Java日志框架。本文将介绍如何配置Logback以满足你的日志记录需求。 Logback简介 官方网址&#xff1a;https://logback.qos.ch/ …
阅读更多...
Kafka核心参数(带完善)

Kafka核心参数(带完善)

客户端 api Kafka提供了以下两套客户端API HighLevel(重点)LowLevel HighLevel API封装了kafka的运行细节&#xff0c;使用起来比较简单&#xff0c;是企业开发过程中最常用的客户端API。 而LowLevel API则需要客户端自己管理Kafka的运行细节&#xff0c;Partition&#x…
阅读更多...
RocketMQ系统性学习-SpringCloud Alibaba集成RocketMQ以及消费收发实战

RocketMQ系统性学习-SpringCloud Alibaba集成RocketMQ以及消费收发实战

文章目录 Spring Cloud Alibaba 集成 RocketMQ 最佳实践集成依赖DashBoard消息收发实战 Spring Cloud Alibaba 集成 RocketMQ 最佳实践 SpringBoot 相对于 SSM 来说已经很大程度上简化了开发&#xff0c;但是使用 SpringBoot 集成一些第三方的框架&#xff0c;还是需要花费一些…
阅读更多...
Node.js 工作线程与子进程：应该使用哪一个

Node.js 工作线程与子进程：应该使用哪一个

Node.js 工作线程与子进程&#xff1a;应该使用哪一个 并行处理在计算密集型应用程序中起着至关重要的作用。例如&#xff0c;考虑一个确定给定数字是否为素数的应用程序。如果我们熟悉素数&#xff0c;我们就会知道必须从 1 遍历到该数的平方根才能确定它是否是素数&#xff…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站